Melhorar o desempenho dinâmico do sistema de orientação de aerogeradores em múltiplos cenários de operação é fundamental. Com base nisso, foi proposta uma estratégia de controle preditivo baseada em modelo para o sistema de orientação do aerogerador utilizando aprendizado por reforço, realizando a otimização dinâmica multiobjetivo de parâmetros por meio do algoritmo TD3 (Double Delayed Deep Deterministic Policy Gradient). Primeiramente, para os dois objetivos de controle conflitantes, taxa de perda de potência e uso do atuador de orientação, foi desenvolvido um controlador preditivo modelo multipasso (yaw model predictive control, YMPC); em seguida, foram projetados o estado de entrada, ações e mecanismo de recompensa do agente TD3 com base nos objetivos de otimização do sistema de orientação e nas características do vento, permitindo o uso do agente TD3 para ajustar os coeficientes de peso e o passo de controle do YMPC; por fim, a validade do método foi verificada utilizando dados típicos de um parque eólico no norte da China. Os resultados mostram que a estratégia proposta melhora significativamente o desempenho geral do sistema de orientação em comparação com o YMPC de parâmetros fixos.

aerogerador;sistema de orientação;aprendizado por reforço;parâmetros de controle